Importación de la Data

library(readxl)
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
library(openxlsx)

# Ruta al archivo Excel
PMO_Data <- "Downloads/Estatus reuniones_SET2023_ENE2024 cbs (version 2.1).xlsx"  # Actualiza esto con la ruta correcta

# Leer los nombres de todas las hojas
PMO_Nombres_Hojas <- excel_sheets(PMO_Data)

# Leer los datos de cada hoja
PMO_Datos_Hojas <- lapply(PMO_Nombres_Hojas , function(hoja) {
  read_excel(PMO_Data , sheet = hoja)
})
## New names:
## • `` -> `...6`
## New names:
## New names:
## • `` -> `...1`
## • `` -> `...2`
## • `` -> `...3`
## • `` -> `...4`
## • `` -> `...5`
## • `` -> `...6`
## • `` -> `...7`
## • `` -> `...8`
print(PMO_Datos_Hojas)
## [[1]]
## # A tibble: 193 × 13
##    Provincia  Distrito  Comunidad        Sector Representante Organizacion Cargo
##    <chr>      <chr>     <chr>            <chr>  <chr>         <chr>        <chr>
##  1 YAULI      Yauli     Pachachaca       <NA>   Klinger Cañe… "Junta Dire… Pres…
##  2 HUAROCHIRI Antioquia Sisicaya         <NA>   Esteban Azor… "Junta Dire… Pres…
##  3 HUAROCHIRI Antioquia Antioquía        <NA>   Leyla Alegre… "Institució… Coor…
##  4 HUAROCHIRI Antioquia San Rosa de Cho… <NA>   Cornelio Luj… "Junta Dire… Vice…
##  5 HUAROCHIRI Antioquia Villa pampilla   <NA>   Jose Luis Ri… "Junta Dire… Pres…
##  6 LIMA       ATE       <NA>             Asoci… Martiniano N… "Junta Dire… Pres…
##  7 LIMA       ATE       <NA>             Urban… Juan Taquire  "Junta Dire… Pres…
##  8 LIMA       ATE       <NA>             Asoci… <NA>          "Junta Dire… Espo…
##  9 LIMA       ATE       <NA>             Asoci… Alejandro Ch… "Junta Dire… Pres…
## 10 LIMA       ATE       <NA>             Condo… Manuel Berna… "Junta Dire… Pres…
## # ℹ 183 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
## 
## [[2]]
## # A tibble: 120 × 13
##    Provincia  Distrito    Comunidad   Sector    Representante Organizacion Cargo
##    <chr>      <chr>       <chr>       <chr>     <chr>         <chr>        <chr>
##  1 HUAROCHIRI Antioquía   Cochahuayco N/A       Nelson Tello… Junta Direc… Vice…
##  2 HUAROCHIRI Antioquía   Cochahuayco N/A       Richard Huam… Junta Direc… Teni…
##  3 HUAROCHIRI Antioquía   Cochahuayco N/A       Rosa Carrill… Asociación … Pres…
##  4 LIMA       Ate         N/A         Pirotécn… Priscila Bal… Asociación … Veci…
##  5 LIMA       Ate         N/A         Asoc. Vi… Ronald Cruz   Asoc. Vivie… Pres…
##  6 LIMA       Cieneguilla N/A         Seis pue… Enriqueta Qu… Asociación … vocal
##  7 LIMA       Cieneguilla N/A         Seis pue… Percy Bolo B… Asociación … pres…
##  8 LIMA       Cieneguilla N/A         Seis pue… Jenny Loroña  Asociación … pres…
##  9 LIMA       Cieneguilla N/A         Seis pue… Jobs Rosas    Asociación … pres…
## 10 LIMA       Cieneguilla N/A         Seis pue… Ricardo Mira… Asociación … pres…
## # ℹ 110 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
## 
## [[3]]
## # A tibble: 275 × 13
##    Provincia  Distrito         Comunidad Sector Representante Organizacion Cargo
##    <chr>      <chr>            <chr>     <chr>  <chr>         <chr>        <chr>
##  1 HUAROCHIRI Huarochirí       Llambilla <NA>   Edson Huarin… Junta Direc… Pres…
##  2 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Luis Bartolo… Junta Direc… Pres…
##  3 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Lucia Inacio… Junta Direc… Vice…
##  4 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Guillermo Ar… Junta Direc… Fisc…
##  5 HUAROCHIRI Huarochirí       Suni      <NA>   Smithy Dario… Junta Direc… Pres…
##  6 HUAROCHIRI San Juan de Tan… <NA>      <NA>   Jessica Pila… I.E. 20653 … Dire…
##  7 YAULI      Yauli            Yauli     <NA>   Lucio Marin … Junta Direc… Pres…
##  8 YAULI      <NA>             <NA>      <NA>   <NA>          <NA>         <NA> 
##  9 HUAROCHIRI Santiago de Anc… CC Sunis… <NA>   Wilmer Ferna… Junta Direc… Pres…
## 10 HUAROCHIRI <NA>             <NA>      <NA>   <NA>          <NA>         <NA> 
## # ℹ 265 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
## 
## [[4]]
## # A tibble: 152 × 13
##    Provincia  Distrito  Comunidad Sector        Representante Organizacion Cargo
##    <chr>      <chr>     <chr>     <chr>         <chr>         <chr>        <chr>
##  1 HUAROCHIRI Antioquia Sisicaya  -             Antonio Fred… Agencia  Mu… Agen…
##  2 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  3 HUAROCHIRI Antioquia Sisicaya  -             Rita Jesus R… Junta Direc… Vice…
##  4 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  5 HUAROCHIRI Antioquia Sisicaya  CP Nieve Nie… Maria Valenc… -            Pobl…
##  6 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  7 HUAROCHIRI Antioquia Sisicaya  -             Juana León d… -            Pobl…
##  8 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  9 YAULI      Yauli     Pomacocha -             Lucio Marin … Junta Direc… Pres…
## 10 YAULI      <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
## # ℹ 142 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
## 
## [[5]]
## # A tibble: 195 × 13
##    Provincia  Distrito         Comunidad Sector Representante Organizacion Cargo
##    <chr>      <chr>            <chr>     <chr>  <chr>         <chr>        <chr>
##  1 HUAROCHIRI Santo Domingo d… Matará    Piedr… Marcelino Me… Junta Direc… Pres…
##  2 HUAROCHIRI Santo Domingo d… Matará    Piedr… Santos Paul … Comité de A… Secr…
##  3 HUAROCHIRI Santo Domingo d… Matará    Piedr… David Ramos … -            Comu…
##  4 HUAROCHIRI Santo Domingo d… Matará    Piedr… Jaime Lider … Programa Va… Pres…
##  5 HUAROCHIRI Santo Domingo d… Matará    Piedr… Michael Ramo… Agencia Mun… Agen…
##  6 HUAROCHIRI Santo Domingo d… <NA>      Piedr… Herminio Gut… Municipalid… Regi…
##  7 YAULI      Santa Rosa de S… Santa Ro… <NA>   Jhony Javier… Comité de M… Secr…
##  8 YAULI      Santa Rosa de S… Santa Ro… <NA>   Elsa Zevallo… Junta Direc… Pres…
##  9 HUAROCHIRI Huarochiri       <NA>      <NA>   Alejandro Lo… Municipalid… Regi…
## 10 HUAROCHIRI Huarochiri       <NA>      <NA>   Cruiff Manue… Municipalid… Regi…
## # ℹ 185 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
## 
## [[6]]
## # A tibble: 132 × 6
##    SETIEMBRE                OCTUBRE       NOVIEMBRE DICIEMBRE `ENERO 2024` ...6 
##    <chr>                    <chr>         <chr>     <chr>     <chr>        <chr>
##  1 EIA - PPC                Información … EIA-PPC   EIA-PPC   EIA -PPC     <NA> 
##  2 Información del Proyecto Otros         Seguimie… Seguimie… Información… <NA> 
##  3 Otros                    Seguimiento   Informac… Informac… Linea base   <NA> 
##  4 Seguimiento              <NA>          Otros     Otros     Otros        <NA> 
##  5 <NA>                     Identificaci… <NA>      <NA>      Seguimiento  <NA> 
##  6 <NA>                     <NA>          <NA>      <NA>      <NA>         <NA> 
##  7 <NA>                     <NA>          <NA>      <NA>      <NA>         <NA> 
##  8 <NA>                     <NA>          <NA>      <NA>      <NA>         <NA> 
##  9 GENERAL NCC              SETIEMBRE     OCTUBRE   NOVIEMBRE DICIEMBRE    ENER…
## 10 EIA -PPC                 1             0         28        44           31   
## # ℹ 122 more rows
## 
## [[7]]
## # A tibble: 162 × 13
##    ...1    ...2  ...3  ...4  ...5  ...6  ...7  ...8  SETIEMBRE OCTUBRE NOVIEMBRE
##    <chr>   <chr> <chr> <chr> <chr> <lgl> <lgl> <chr> <chr>     <chr>   <chr>    
##  1 ENERO … DICI… NOVI… OCTU… SETI… NA    NA    <NA>  <NA>      <NA>    <NA>     
##  2 Antioq… Anti… Anti… Anti… Anti… NA    NA    Chic… <NA>      <NA>    <NA>     
##  3 Ate     Ate   Cien… Ate   ATE   NA    NA    Moro… 4         2       <NA>     
##  4 Luriga… Chic… Huar… Cien… Cien… NA    NA    Sant… 1         <NA>    7        
##  5 Cieneg… Cien… Langa Huar… Huar… NA    NA    Cuen… <NA>      2       7        
##  6 Cuenca  Cuen… Luri… Langa Luri… NA    NA    San … 4         2       7        
##  7 Huaroc… Huar… Pach… Luri… Moro… NA    NA    Sant… 10        4       2        
##  8 Langa   Langa San … Moro… San … NA    NA    Sant… 9         3       4        
##  9 Pachac… Pach… San … San … San … NA    NA    San … 4         4       5        
## 10 San Ju… <NA>  San … San … Sant… NA    NA    San … <NA>      <NA>    <NA>     
## # ℹ 152 more rows
## # ℹ 2 more variables: DICIEMBRE <chr>, `ENERO 2024` <chr>
## 
## [[8]]
## # A tibble: 41 × 13
##    ...1    ...2  ...3  ...4  ...5  ...6  ...7  ...8  SETIEMBRE OCTUBRE NOVIEMBRE
##    <chr>   <chr> <chr> <chr> <lgl> <lgl> <lgl> <chr>     <dbl>   <dbl>     <dbl>
##  1 <NA>    <NA>  <NA>  <NA>  NA    NA    NA    <NA>         NA      NA        NA
##  2 Antioq… Anti… Anti… Anti… NA    NA    NA    Chic…        NA      NA        NA
##  3 Ate     Cien… Ate   ATE   NA    NA    NA    Moro…         4       2        NA
##  4 Chicla  Huar… Cien… Cien… NA    NA    NA    Sant…         1      NA         7
##  5 Cieneg… Langa Huar… Huar… NA    NA    NA    Cuen…        NA       2         7
##  6 Cuenca  Luri… Langa Luri… NA    NA    NA    San …         4       2         7
##  7 Huaroc… Pach… Luri… Moro… NA    NA    NA    Sant…        10       4         2
##  8 Langa   San … Moro… San … NA    NA    NA    Sant…         9       3         4
##  9 Pachac… San … San … San … NA    NA    NA    San …         4       4         5
## 10 <NA>    San … San … Sant… NA    NA    NA    San …        NA      NA        NA
## # ℹ 31 more rows
## # ℹ 2 more variables: DICIEMBRE <dbl>, `ENERO 2024` <dbl>
## 
## [[9]]
## # A tibble: 29 × 4
##    Provincia  Tema                     Detalle                          Acuerdos
##    <chr>      <chr>                    <chr>                            <chr>   
##  1 HUAROCHIRI Información del Proyecto "Presentación del equipo Social… "Manten…
##  2 HUAROCHIRI Información del Proyecto "Información del proyecto      … "Manten…
##  3 HUAROCHIRI Información del Proyecto "Presentación del equipo Social… "Report…
##  4 HUAROCHIRI Información del Proyecto "Información del proyecto y rec… "Realiz…
##  5 HUAROCHIRI Otros                    "Solicitar información sobre lo…  <NA>   
##  6 HUAROCHIRI Seguimiento              "Solicitudes de la comunidad fr… "Contin…
##  7 HUAROCHIRI Seguimiento              "Lo acontecido con la empresa I… "Coordi…
##  8 HUAROCHIRI Seguimiento              "Realizar seguimiento a la empr… "Manten…
##  9 HUAROCHIRI Seguimiento              "Recabar información sobre los … "No se …
## 10 LIMA       Información del Proyecto "Entrega del Oficio emitido por… "Retiro…
## # ℹ 19 more rows
## 
## [[10]]
## # A tibble: 19 × 4
##    Provincia  Tema                                  Detalle             Acuerdos
##    <chr>      <chr>                                 <chr>               <chr>   
##  1 HUAROCHIRI Información del Proyecto              "Presentación del … "Seguir…
##  2 HUAROCHIRI Información del Proyecto              "Recabar informaci… "Brinda…
##  3 HUAROCHIRI Información del Proyecto              "Presentación del … "Seguir…
##  4 HUAROCHIRI Seguimiento                           "Monitorear el cum… "Seguir…
##  5 HUAROCHIRI Seguimiento                           "Recabar informaci… "Manten…
##  6 HUAROCHIRI Seguimiento                           "Verificación a cr… "Inform…
##  7 HUAROCHIRI Seguimiento                           "Seguimiento a la … "Seguir…
##  8 HUAROCHIRI Seguimiento                           "Observaciones del… "Manten…
##  9 LIMA       Identificación de Actores  - Posición "Identificación de… "Percep…
## 10 LIMA       Información del Proyecto              "Presentación equi… "Se com…
## 11 LIMA       Seguimiento                           "El presidente se … "A favo…
## 12 LIMA       Seguimiento                           "Seguimiento a la … "Se man…
## 13 YAULI      Información del Proyecto              "Informar avances … "Manten…
## 14 YAULI      Información del Proyecto              "Presentación del … "Seguir…
## 15 YAULI      Otros                                 "Orientar a la ins… "Hacer …
## 16 YAULI      Seguimiento                           "Visita a la JD pa… "Manten…
## 17 YAULI      Otros                                 "Informar la respu… "Manten…
## 18 YAULI      Otros                                 "Disconformidad co… "Parali…
## 19 YAULI      Otros                                 "La Municipalidad … "Seguir…
## 
## [[11]]
## # A tibble: 28 × 4
##    Provincia  Tema                     Detalle                          Acuerdos
##    <chr>      <chr>                    <chr>                            <chr>   
##  1 HUAROCHIRI Seguimiento              "Monitorear el cumplimiento de … "Manten…
##  2 HUAROCHIRI Seguimiento              "Monitorear el cumplimiento de … "Manten…
##  3 HUAROCHIRI Seguimiento              "Monitorear el cumplimiento de … "Manten…
##  4 HUAROCHIRI Información del Proyecto "Presentación del equipo de Ges… "Manten…
##  5 HUAROCHIRI EIA - PPC                "\r\nInformación del proximo ta… "Manten…
##  6 HUAROCHIRI Seguimiento              "Seguimiento del cumplimiento d… "Seguir…
##  7 HUAROCHIRI Información del Proyecto "Presentación del equipo de Ges… "Inform…
##  8 HUAROCHIRI Seguimiento              "Seguimiento del cumplimiento d… "Recorr…
##  9 HUAROCHIRI EIA - PPC                "Información de las empresas qu… "Hacer …
## 10 HUAROCHIRI Otros                    "Recorrido del territorio de la… "-Los i…
## # ℹ 18 more rows
## 
## [[12]]
## # A tibble: 10 × 4
##    Provincia  Tema                     Detalle                          Acuerdos
##    <chr>      <chr>                    <chr>                            <chr>   
##  1 HUAROCHIRI Información del Proyecto "Información sobre participació… "Monito…
##  2 HUAROCHIRI EIA - PPC                "Perspectiva del proyecto NCC\r… "Se le …
##  3 HUAROCHIRI EIA - PPC                "Percepción del 2 taller PPC\r\… "Seguir…
##  4 HUAROCHIRI Seguimiento              "Presentación del equipo social… "Inform…
##  5 HUAROCHIRI Información del Proyecto "Presentación del equipo social… "Inform…
##  6 HUAROCHIRI Información del Proyecto "Solicitud de información de pr… "Progra…
##  7 LIMA       EIA - PPC                "Información del seguimiento a … "Inform…
##  8 LIMA       EIA - PPC                "Información sobre los talleres… "Inform…
##  9 YAULI      EIA - PPC                "Corrobar la participacion de l… "-"     
## 10 YAULI      EIA - PPC                "Información de la fecha y hora… "- Asis…
## 
## [[13]]
## # A tibble: 29 × 5
##    Provincia  Tema                     Detalle   Acuerdos y/o próximo…¹ Acuerdos
##    <chr>      <chr>                    <chr>     <chr>                  <chr>   
##  1 HUAROCHIRI Seguimiento              "Seguimi… "- Se le informara de… "Se le …
##  2 HUAROCHIRI Información del Proyecto "Present… "-Seguir informando d… "Hizo m…
##  3 HUAROCHIRI Otros                    "Present… "-Seguir informando d… "Solici…
##  4 HUAROCHIRI Seguimiento              "Seguimi… "- Mantener comunicac… "Manife…
##  5 HUAROCHIRI Otros                    "Recabar… "- Informar a gabinet… "El pre…
##  6 HUAROCHIRI EIA - PPC                "Percepc… "-Seguir informando d… "Sugier…
##  7 HUAROCHIRI Otros                    "Reclamo… "- Se realizara las i… "Se enc…
##  8 HUAROCHIRI Seguimiento              "Present… "-Seguir informando d… "Como c…
##  9 HUAROCHIRI Otros                    "Datos  … "-Seguir informando e… "El act…
## 10 HUAROCHIRI Información del Proyecto "Brindo …  <NA>                  "La Com…
## # ℹ 19 more rows
## # ℹ abbreviated name: ¹​`Acuerdos y/o próximos pasos`

Asignación de Variables por hoja

# Asignar cada hoja a una variable
Septiembre <- PMO_Datos_Hojas[[1]]  
Octubre <- PMO_Datos_Hojas[[2]]  
Noviembre <- PMO_Datos_Hojas[[3]]  
Diciembre <- PMO_Datos_Hojas[[4]]  
Enero_2024 <- PMO_Datos_Hojas[[5]]  
Graficos_1 <- PMO_Datos_Hojas[[6]] 
Graficos_2 <- PMO_Datos_Hojas[[7]]  
Graficos_3 <- PMO_Datos_Hojas[[8]]  
Temas_Septiembre <- PMO_Datos_Hojas[[9]] 
Temas_Octubre <- PMO_Datos_Hojas[[10]]  
Temas_Noviembre <- PMO_Datos_Hojas[[10.1]]  
Temas_Diciembre <- PMO_Datos_Hojas[[10.2]]  
Temas_Enero_2024 <- PMO_Datos_Hojas[[10.3]]  


print(Septiembre)
## # A tibble: 193 × 13
##    Provincia  Distrito  Comunidad        Sector Representante Organizacion Cargo
##    <chr>      <chr>     <chr>            <chr>  <chr>         <chr>        <chr>
##  1 YAULI      Yauli     Pachachaca       <NA>   Klinger Cañe… "Junta Dire… Pres…
##  2 HUAROCHIRI Antioquia Sisicaya         <NA>   Esteban Azor… "Junta Dire… Pres…
##  3 HUAROCHIRI Antioquia Antioquía        <NA>   Leyla Alegre… "Institució… Coor…
##  4 HUAROCHIRI Antioquia San Rosa de Cho… <NA>   Cornelio Luj… "Junta Dire… Vice…
##  5 HUAROCHIRI Antioquia Villa pampilla   <NA>   Jose Luis Ri… "Junta Dire… Pres…
##  6 LIMA       ATE       <NA>             Asoci… Martiniano N… "Junta Dire… Pres…
##  7 LIMA       ATE       <NA>             Urban… Juan Taquire  "Junta Dire… Pres…
##  8 LIMA       ATE       <NA>             Asoci… <NA>          "Junta Dire… Espo…
##  9 LIMA       ATE       <NA>             Asoci… Alejandro Ch… "Junta Dire… Pres…
## 10 LIMA       ATE       <NA>             Condo… Manuel Berna… "Junta Dire… Pres…
## # ℹ 183 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Octubre)
## # A tibble: 120 × 13
##    Provincia  Distrito    Comunidad   Sector    Representante Organizacion Cargo
##    <chr>      <chr>       <chr>       <chr>     <chr>         <chr>        <chr>
##  1 HUAROCHIRI Antioquía   Cochahuayco N/A       Nelson Tello… Junta Direc… Vice…
##  2 HUAROCHIRI Antioquía   Cochahuayco N/A       Richard Huam… Junta Direc… Teni…
##  3 HUAROCHIRI Antioquía   Cochahuayco N/A       Rosa Carrill… Asociación … Pres…
##  4 LIMA       Ate         N/A         Pirotécn… Priscila Bal… Asociación … Veci…
##  5 LIMA       Ate         N/A         Asoc. Vi… Ronald Cruz   Asoc. Vivie… Pres…
##  6 LIMA       Cieneguilla N/A         Seis pue… Enriqueta Qu… Asociación … vocal
##  7 LIMA       Cieneguilla N/A         Seis pue… Percy Bolo B… Asociación … pres…
##  8 LIMA       Cieneguilla N/A         Seis pue… Jenny Loroña  Asociación … pres…
##  9 LIMA       Cieneguilla N/A         Seis pue… Jobs Rosas    Asociación … pres…
## 10 LIMA       Cieneguilla N/A         Seis pue… Ricardo Mira… Asociación … pres…
## # ℹ 110 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Noviembre)
## # A tibble: 275 × 13
##    Provincia  Distrito         Comunidad Sector Representante Organizacion Cargo
##    <chr>      <chr>            <chr>     <chr>  <chr>         <chr>        <chr>
##  1 HUAROCHIRI Huarochirí       Llambilla <NA>   Edson Huarin… Junta Direc… Pres…
##  2 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Luis Bartolo… Junta Direc… Pres…
##  3 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Lucia Inacio… Junta Direc… Vice…
##  4 HUAROCHIRI San Juan de Tan… Carhuapa… <NA>   Guillermo Ar… Junta Direc… Fisc…
##  5 HUAROCHIRI Huarochirí       Suni      <NA>   Smithy Dario… Junta Direc… Pres…
##  6 HUAROCHIRI San Juan de Tan… <NA>      <NA>   Jessica Pila… I.E. 20653 … Dire…
##  7 YAULI      Yauli            Yauli     <NA>   Lucio Marin … Junta Direc… Pres…
##  8 YAULI      <NA>             <NA>      <NA>   <NA>          <NA>         <NA> 
##  9 HUAROCHIRI Santiago de Anc… CC Sunis… <NA>   Wilmer Ferna… Junta Direc… Pres…
## 10 HUAROCHIRI <NA>             <NA>      <NA>   <NA>          <NA>         <NA> 
## # ℹ 265 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Diciembre)
## # A tibble: 152 × 13
##    Provincia  Distrito  Comunidad Sector        Representante Organizacion Cargo
##    <chr>      <chr>     <chr>     <chr>         <chr>         <chr>        <chr>
##  1 HUAROCHIRI Antioquia Sisicaya  -             Antonio Fred… Agencia  Mu… Agen…
##  2 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  3 HUAROCHIRI Antioquia Sisicaya  -             Rita Jesus R… Junta Direc… Vice…
##  4 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  5 HUAROCHIRI Antioquia Sisicaya  CP Nieve Nie… Maria Valenc… -            Pobl…
##  6 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  7 HUAROCHIRI Antioquia Sisicaya  -             Juana León d… -            Pobl…
##  8 HUAROCHIRI <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
##  9 YAULI      Yauli     Pomacocha -             Lucio Marin … Junta Direc… Pres…
## 10 YAULI      <NA>      <NA>      <NA>          <NA>          <NA>         <NA> 
## # ℹ 142 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>
print(Enero_2024)
## # A tibble: 195 × 13
##    Provincia  Distrito         Comunidad Sector Representante Organizacion Cargo
##    <chr>      <chr>            <chr>     <chr>  <chr>         <chr>        <chr>
##  1 HUAROCHIRI Santo Domingo d… Matará    Piedr… Marcelino Me… Junta Direc… Pres…
##  2 HUAROCHIRI Santo Domingo d… Matará    Piedr… Santos Paul … Comité de A… Secr…
##  3 HUAROCHIRI Santo Domingo d… Matará    Piedr… David Ramos … -            Comu…
##  4 HUAROCHIRI Santo Domingo d… Matará    Piedr… Jaime Lider … Programa Va… Pres…
##  5 HUAROCHIRI Santo Domingo d… Matará    Piedr… Michael Ramo… Agencia Mun… Agen…
##  6 HUAROCHIRI Santo Domingo d… <NA>      Piedr… Herminio Gut… Municipalid… Regi…
##  7 YAULI      Santa Rosa de S… Santa Ro… <NA>   Jhony Javier… Comité de M… Secr…
##  8 YAULI      Santa Rosa de S… Santa Ro… <NA>   Elsa Zevallo… Junta Direc… Pres…
##  9 HUAROCHIRI Huarochiri       <NA>      <NA>   Alejandro Lo… Municipalid… Regi…
## 10 HUAROCHIRI Huarochiri       <NA>      <NA>   Cruiff Manue… Municipalid… Regi…
## # ℹ 185 more rows
## # ℹ 6 more variables: Tipo_Actor <chr>, Fecha <chr>, Tema <chr>,
## #   Detalle_Tema <chr>, Acuerdos <chr>, Participantes_PMO <chr>

Frecuencia Asistentes por Provincia

library(ggplot2)
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
color_palette <- c("#E69F00", "#56B4E9", "#009E73", "#F0E442", "#0072B2", "#D55E00", "#CC79A7", "#999999")

# Septiembre
septiembre_plot <- ggplot(Septiembre, aes(x = Provincia, fill = Provincia)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_manual(values = color_palette) +
  theme_minimal() +
  labs(title = "Frecuencia por Provincia Septiembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

septiembre_plotly <- ggplotly(septiembre_plot)
print(septiembre_plotly)


# Octubre
octubre_plot <- ggplot(Octubre, aes(x = Provincia, fill = Provincia)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_manual(values = color_palette) +
  theme_minimal() +
  labs(title = "Frecuencia por Provincia Octubre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

octubre_plotly <- ggplotly(octubre_plot)
print(octubre_plotly)



# Noviembre
noviembre_plot <- ggplot(Noviembre, aes(x = Provincia, fill = Provincia)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_manual(values = color_palette) +
  theme_minimal() +
  labs(title = "Frecuencia por Provincia Noviembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

noviembre_plotly <- ggplotly(noviembre_plot)
print(noviembre_plotly)



# Diciembre
diciembre_plot <- ggplot(Diciembre, aes(x = Provincia, fill = Provincia)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_manual(values = color_palette) +
  theme_minimal() +
  labs(title = "Frecuencia por Provincia Diciembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

diciembre_plotly <- ggplotly(diciembre_plot)
print(diciembre_plotly)



# Enero 2024
enero_plot <- ggplot(Enero_2024, aes(x = Provincia, fill = Provincia)) +
  geom_bar(show.legend = FALSE) +
  scale_fill_manual(values = color_palette) +
  theme_minimal() +
  labs(title = "Frecuencia por Provincia Enero 2024", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

enero_plotly <- ggplotly(enero_plot)
print(enero_plotly)

Tipo de Actor asistentes

# Septiembre 

Actor_Provincia_Septiembre <- ggplot(Septiembre, aes(x = Provincia, fill = Tipo_Actor)) +
  geom_bar(position = "dodge") +
  theme_minimal() +
  labs(title = "Distribución de Tipo de Actor por Provincia en Septiembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

provincia_tipo_actor_Septiembre <- ggplotly(Actor_Provincia_Septiembre)



# Octubre

Actor_Provincia_Octubre <- ggplot(Octubre, aes(x = Provincia, fill = Tipo_Actor)) +
  geom_bar(position = "dodge") +
  theme_minimal() +
  labs(title = "Distribución de Tipo de Actor por Provincia en Octubre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

provincia_tipo_actor_Octubre <- ggplotly(Actor_Provincia_Octubre)



# Noviembre

Actor_Provincia_Noviembre  <- ggplot(Noviembre, aes(x = Provincia, fill = Tipo_Actor)) +
  geom_bar(position = "dodge") +
  theme_minimal() +
  labs(title = "Distribución de Tipo de Actor por Provincia en Noviembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

provincia_tipo_actor_Noviembre <- ggplotly(Actor_Provincia_Noviembre)


# Diciembre 

Actor_Provincia_Diciembre <- ggplot(Diciembre, aes(x = Provincia, fill = Tipo_Actor)) +
  geom_bar(position = "dodge") +
  theme_minimal() +
  labs(title = "Distribución de Tipo de Actor por Provincia en Diciembre", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

provincia_tipo_actor_Diciembre <- ggplotly(Actor_Provincia_Diciembre)



# Enero 2024

Actor_Provincia_Enero <- ggplot(Enero_2024, aes(x = Provincia, fill = Tipo_Actor)) +
  geom_bar(position = "dodge") +
  theme_minimal() +
  labs(title = "Distribución de Tipo de Actor por Provincia en Enero 2024", x = "Provincia", y = "Conteo") +
  theme(plot.title = element_text(hjust = 0.5))

provincia_tipo_actor_Enero <- ggplotly(Actor_Provincia_Enero)



# Almacena todos tus gráficos Plotly en una lista
lista_de_graficos <- list(provincia_tipo_actor_Septiembre, provincia_tipo_actor_Octubre,
                          provincia_tipo_actor_Noviembre, provincia_tipo_actor_Diciembre,
                          provincia_tipo_actor_Enero)

# Usa lapply para imprimir cada gráfico en la lista
lapply(lista_de_graficos, print)
## [[1]]
## 
## [[2]]
## 
## [[3]]
## 
## [[4]]
## 
## [[5]]

frecuencia por sector

#Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
sectores_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Sector)) %>%  # Excluye los NA de Sector antes de contar
  count(Sector) %>%
  slice_max(n = 8, order_by = n) %>%  # Usando 8 en lugar de 10 según tu último código
  pull(Sector)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Sector %in% sectores_top10_Septiembre)

# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")

# Crea el gráfico de barras usando solo las categorías filtradas
sector_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Sector, fill = Sector)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +  # Usa la paleta de colores básicos
  theme_minimal() +
  labs(title = "Top 8 Sectores en Septiembre", x = "Sector", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(sector_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Octubre <- Octubre %>%
  filter(Sector != "N/A") %>%  # Excluye los "N/A" de Sector antes de contar
  count(Sector) %>%
  slice_max(n = 8, order_by = n) %>%
  pull(Sector)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Octubre_filtrado <- Octubre %>%
  filter(Sector %in% sectores_top10_Octubre)

# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")

# Crea el gráfico de barras usando solo las categorías filtradas
sector_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Sector, fill = Sector)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +  # Usa la paleta de colores básicos
  theme_minimal() +
  labs(title = "Top 8 Sectores en Octubre", x = "Sector", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(sector_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Noviembre <- Noviembre %>%
  filter(Sector != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Sector) %>%
  slice_max(n = 3, order_by = n) %>%
  pull(Sector)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Sector %in% sectores_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Sector, fill = Sector)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 3 Sectores en Noviembre", x = "Sector", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(sector_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Diciembre <- Diciembre %>%
  filter(Sector != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Sector) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Sector)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Sector %in% sectores_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Sector, fill = Sector)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Sectores en Diciembre", x = "Sector", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(sector_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
sectores_top10_Enero <- Enero_2024 %>%
  filter(Sector != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Sector) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Sector)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Sector %in% sectores_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
sector_plot_Enero <- ggplot(Enero_filtrado, aes(x = Sector, fill = Sector)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 10 Sectores en Enero", x = "Sector", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(sector_plot_Enero)

Frecuencia Por Distrito

#Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
distrito_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Distrito)) %>%  # Excluye los NA de Sector antes de contar
  count(Distrito) %>%
  slice_max(n = 5, order_by = n) %>%  # Usando 8 en lugar de 10 según tu último código
  pull(Distrito)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Distrito %in% distrito_top10_Septiembre)

# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")

# Crea el gráfico de barras usando solo las categorías filtradas
distrito_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Distrito, fill = Distrito)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +  # Usa la paleta de colores básicos
  theme_minimal() +
  labs(title = "Top 5 Distrito en Septiembre", x = "Distrito", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(distrito_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Octubre <- Octubre %>%
  filter(Distrito != "N/A") %>%  
  count(Distrito) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Distrito)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Octubre_filtrado <- Octubre %>%
  filter(Distrito %in% Distrito_top10_Octubre)

# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")

# Crea el gráfico de barras usando solo las categorías filtradas
Distrito_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Distrito, fill = Distrito)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +  # Usa la paleta de colores básicos
  theme_minimal() +
  labs(title = "Top 5 Distrito en Octubre", x = "Distrito", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(Distrito_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Noviembre <- Noviembre %>%
  filter(Distrito != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Distrito) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Distrito)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Distrito%in% Distrito_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Distrito, fill = Distrito)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Distrito en Noviembre", x = "Distrito", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(Distrito_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Diciembre <- Diciembre %>%
  filter(Distrito != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Distrito) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Distrito)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Distrito %in% Distrito_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Distrito, fill = Distrito)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Distrito en Diciembre", x = "Distrito", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(Distrito_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
Distrito_top10_Enero <- Enero_2024 %>%
  filter(Distrito != "N/A") %>%  # Ajusta para excluir "N/A" si es necesario
  count(Distrito) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Distrito)

# Filtra el data frame original para incluir solo las categorías en sectores_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Distrito %in% Distrito_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
Distrito_plot_Enero <- ggplot(Enero_filtrado, aes(x = Distrito, fill = Distrito)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Distrito en Enero", x = "Distrito", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))  # Rota las etiquetas para mejorar la legibilidad

# Convertir a interactivo
ggplotly(Distrito_plot_Enero)

Frecuencia por Distrito

# Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
cargo_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Cargo)) %>%
  count(Cargo) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Cargo)

# Filtra el data frame original para incluir solo las categorías en cargo_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Cargo %in% cargo_top10_Septiembre)

# Crea el gráfico de barras usando solo las categorías filtradas
cargo_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Cargo, fill = Cargo)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Cargo en Septiembre", x = "Cargo", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(cargo_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Octubre <- Octubre %>%
  filter(Cargo != "N/A") %>%
  count(Cargo) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Cargo)

# Filtra el data frame original para incluir solo las categorías en cargo_top10
Octubre_filtrado <- Octubre %>%
  filter(Cargo %in% cargo_top10_Octubre)

# Crea el gráfico de barras usando solo las categorías filtradas
cargo_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Cargo, fill = Cargo)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Cargo en Octubre", x = "Cargo", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(cargo_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Noviembre <- Noviembre %>%
  filter(Cargo != "N/A") %>%
  count(Cargo) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Cargo)

# Filtra el data frame original para incluir solo las categorías en cargo_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Cargo %in% cargo_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Cargo, fill = Cargo)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Cargo en Noviembre", x = "Cargo", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(cargo_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Diciembre <- Diciembre %>%
  filter(Cargo != "N/A") %>%
  count(Cargo) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Cargo)

# Filtra el data frame original para incluir solo las categorías en cargo_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Cargo %in% cargo_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Cargo, fill = Cargo)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Cargo en Diciembre", x = "Cargo", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(cargo_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
cargo_top10_Enero <- Enero_2024 %>%
  filter(Cargo != "N/A") %>%
  count(Cargo) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Cargo)

# Filtra el data frame original para incluir solo las categorías en cargo_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Cargo %in% cargo_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
cargo_plot_Enero <- ggplot(Enero_filtrado, aes(x = Cargo, fill = Cargo)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Cargo en Enero", x = "Cargo", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(cargo_plot_Enero)

Frecuencia de asistentes por comunidad

# Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
comunidad_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Comunidad)) %>%
  count(Comunidad) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Comunidad)

# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Comunidad %in% comunidad_top10_Septiembre)

# Crea el gráfico de barras usando solo las categorías filtradas
comunidad_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Comunidad, fill = Comunidad)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Comunidad en Septiembre", x = "Comunidad", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(comunidad_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Octubre <- Octubre %>%
  filter(Comunidad != "N/A") %>%
  count(Comunidad) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Comunidad)

# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Octubre_filtrado <- Octubre %>%
  filter(Comunidad %in% comunidad_top10_Octubre)

# Crea el gráfico de barras usando solo las categorías filtradas
comunidad_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Comunidad, fill = Comunidad)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Comunidad en Octubre", x = "Comunidad", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(comunidad_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Noviembre <- Noviembre %>%
  filter(Comunidad != "N/A") %>%
  count(Comunidad) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Comunidad)

# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Comunidad %in% comunidad_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Comunidad, fill = Comunidad)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Comunidad en Noviembre", x = "Comunidad", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(comunidad_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Diciembre <- Diciembre %>%
  filter(Comunidad != "N/A") %>%
  count(Comunidad) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Comunidad)

# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Comunidad %in% comunidad_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Comunidad, fill = Comunidad)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Comunidad en Diciembre", x = "Comunidad", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(comunidad_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
comunidad_top10_Enero <- Enero_2024 %>%
  filter(Comunidad != "N/A") %>%
  count(Comunidad) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Comunidad)

# Filtra el data frame original para incluir solo las categorías en comunidad_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Comunidad %in% comunidad_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
comunidad_plot_Enero <- ggplot(Enero_filtrado, aes(x = Comunidad, fill = Comunidad)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Comunidad en Enero", x = "Comunidad", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(comunidad_plot_Enero)

Frecuencia por Organization

# Define una paleta de colores básicos
colores_basicos <- c("#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#9467bd", "#8c564b", "#e377c2", "#7f7f7f")


# Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
organizacion_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Organizacion)) %>%
  count(Organizacion) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Organizacion)

# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Organizacion %in% organizacion_top10_Septiembre)

# Crea el gráfico de barras usando solo las categorías filtradas
organizacion_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Organizacion, fill = Organizacion)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Organizacion en Septiembre", x = "Organizacion", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(organizacion_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Octubre <- Octubre %>%
  filter(Organizacion != "N/A") %>%
  count(Organizacion) %>%
  slice_max(n = 3, order_by = n) %>%
  pull(Organizacion)

# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Octubre_filtrado <- Octubre %>%
  filter(Organizacion %in% organizacion_top10_Octubre)

# Crea el gráfico de barras usando solo las categorías filtradas
organizacion_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Organizacion, fill = Organizacion)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Organizacion en Octubre", x = "Organizacion", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(organizacion_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Noviembre <- Noviembre %>%
  filter(Organizacion != "N/A") %>%
  count(Organizacion) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Organizacion)

# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Organizacion %in% organizacion_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Organizacion, fill = Organizacion)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Organizacion en Noviembre", x = "Organizacion", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(organizacion_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Diciembre <- Diciembre %>%
  filter(Organizacion != "N/A") %>%
  count(Organizacion) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Organizacion)

# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Organizacion %in% organizacion_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Organizacion, fill = Organizacion)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Organizacion en Diciembre", x = "Organizacion", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(organizacion_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
organizacion_top10_Enero <- Enero_2024 %>%
  filter(Organizacion != "N/A") %>%
  count(Organizacion) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Organizacion)

# Filtra el data frame original para incluir solo las categorías en organizacion_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Organizacion %in% organizacion_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
organizacion_plot_Enero <- ggplot(Enero_filtrado, aes(x = Organizacion, fill = Organizacion)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Organizacion en Enero", x = "Organizacion", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(organizacion_plot_Enero)

Frecuencia por Tipo Actor

# Septiembre

# Asegúrate de excluir los NA al contar las frecuencias
tipo_actor_top10_Septiembre <- Septiembre %>%
  filter(!is.na(Tipo_Actor)) %>%
  count(Tipo_Actor) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Tipo_Actor)

# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Septiembre_filtrado <- Septiembre %>%
  filter(Tipo_Actor %in% tipo_actor_top10_Septiembre)

# Crea el gráfico de barras usando solo las categorías filtradas
tipo_actor_plot_Septiembre <- ggplot(Septiembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Tipo_Actor en Septiembre", x = "Tipo_Actor", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(tipo_actor_plot_Septiembre)
# Octubre

# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Octubre <- Octubre %>%
  filter(Tipo_Actor != "N/A") %>%
  count(Tipo_Actor) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Tipo_Actor)

# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Octubre_filtrado <- Octubre %>%
  filter(Tipo_Actor %in% tipo_actor_top10_Octubre)

# Crea el gráfico de barras usando solo las categorías filtradas
tipo_actor_plot_Octubre <- ggplot(Octubre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) + 
  geom_bar() +
  scale_fill_manual(values = colores_basicos) +
  theme_minimal() +
  labs(title = "Top 5 Tipo_Actor en Octubre", x = "Tipo_Actor", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(tipo_actor_plot_Octubre)
# Noviembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Noviembre <- Noviembre %>%
  filter(Tipo_Actor != "N/A") %>%
  count(Tipo_Actor) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Tipo_Actor)

# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Noviembre_filtrado <- Noviembre %>%
  filter(Tipo_Actor %in% tipo_actor_top10_Noviembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Noviembre <- ggplot(Noviembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Tipo_Actor en Noviembre", x = "Tipo_Actor", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(tipo_actor_plot_Noviembre)
# Diciembre

# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Diciembre <- Diciembre %>%
  filter(Tipo_Actor != "N/A") %>%
  count(Tipo_Actor) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Tipo_Actor)

# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Diciembre_filtrado <- Diciembre %>%
  filter(Tipo_Actor %in% tipo_actor_top10_Diciembre)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Diciembre <- ggplot(Diciembre_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Tipo_Actor en Diciembre", x = "Tipo_Actor", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(tipo_actor_plot_Diciembre)
# Enero

# Asegúrate de excluir los "N/A" al contar las frecuencias
tipo_actor_top10_Enero <- Enero_2024 %>%
  filter(Tipo_Actor != "N/A") %>%
  count(Tipo_Actor) %>%
  slice_max(n = 5, order_by = n) %>%
  pull(Tipo_Actor)

# Filtra el data frame original para incluir solo las categorías en tipo_actor_top10
Enero_filtrado <- Enero_2024 %>%
  filter(Tipo_Actor %in% tipo_actor_top10_Enero)

# Crea el gráfico de barras usando solo las categorías filtradas, con colores automáticos
tipo_actor_plot_Enero <- ggplot(Enero_filtrado, aes(x = Tipo_Actor, fill = Tipo_Actor)) + 
  geom_bar() +
  theme_minimal() +
  labs(title = "Top 5 Tipo_Actor en Enero", x = "Tipo_Actor", y = "Frecuencia") +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

# Convertir a interactivo
ggplotly(tipo_actor_plot_Enero)
library(plotly)
library(dplyr)
library(tidyr)

# Asumiendo que tu data frame se llama 'df'
df <- data.frame(
  Categoria = c('EIA-PPC', 'Información del proyecto', 'Línea base', 'Otros', 'Seguimiento', 'Identificación de Actores'),
  Septiembre = c(1, 64, 0, 2, 11, 0),
  Octubre = c(0, 48, 0, 11, 11, 27),
  Noviembre = c(28, 53, 0, 3, 15, 0),
  Diciembre = c(44, 19, 0, 0, 82, 0),
  Enero2024 = c(31, 8, 35, 13, 82, 0)
)

# Utilizar pivot_longer en lugar de gather
df_long <- df %>% pivot_longer(cols = -Categoria, names_to = "Mes", values_to = "Valor")

# Crear el gráfico interactivo
p <- plot_ly(df_long, x = ~Categoria, y = ~Valor, color = ~Mes, type = 'bar', text = ~Valor) %>%
  layout(yaxis = list(title = 'Cantidad'), barmode = 'group')

# Mostrar el gráfico
p

Frecuencias por Provincia por tema

library(plotly)
library(dplyr)
library(tidyr)

# Añadir una nueva columna a cada data frame para indicar el mes
Septiembre$Mes <- 'Septiembre'
Octubre$Mes <- 'Octubre'
Noviembre$Mes <- 'Noviembre'
Diciembre$Mes <- 'Diciembre'
Enero_2024$Mes <- 'Enero_2024'

# Combinar todos los data frames en uno solo
datos_completos_PMO <- bind_rows(Septiembre, Octubre, Noviembre, Diciembre, Enero_2024)


# Filtrar NA de los datos si es necesario
datos_completos_PMO <- datos_completos_PMO %>%
  filter(!is.na(Provincia), !is.na(Tema))

# Crear un gráfico de barras interactivo con plotly
frecuencia_Provincia <- plot_ly(datos_completos_PMO, x = ~Provincia, y = ~n, color = ~Mes, type = 'bar') %>%
  layout(yaxis = list(title = 'Frecuencia'), barmode = 'group')

# Mostrar el gráfico
frecuencia_Provincia
library(plotly)
library(dplyr)
library(tidyr)



# Analizar la frecuencia con la que se repite cada "Tema" por "Provincia" y "Mes"
frecuencia_tema_Distrito <- datos_completos_PMO %>%
  count(Distrito, Tema, Mes) %>%
  arrange(Distrito, Tema, Mes)

# Para facilitar la diferenciación por mes, asignamos un color a cada mes
# Define una paleta de colores
colores_meses <- c('Septiembre' = 'blue', 'Octubre' = 'red', 'Noviembre' = 'green', 'Diciembre' = 'purple', 'Enero_2024' = 'orange')

# Crear un gráfico interactivo con colores consistentes para cada mes
Frecuencia_distrito <- plot_ly(frecuencia_tema_Distrito, x = ~Distrito, y = ~n, split = ~Mes, type = 'bar', color = ~Mes, colors = colores_meses, text = ~paste(Tema, ':', n)) %>%
  layout(yaxis = list(title = 'Frecuencia'), barmode = 'group',
         xaxis = list(title = "Distrito"),
         colorway = c('blue', 'red', 'green', 'purple', 'orange'))

# Visualizar el gráfico interactivo
Frecuencia_distrito
## Warning: Ignoring 2 observations